Wer Entscheidungen über digitale Angebote auf eine belastbare Grundlage stellen will, steht vor der Frage, wie Hypothesen sauber getestet und ausgewertet werden. A/B Testing bietet dafür ein strukturiertes Vorgehen - vorausgesetzt, Setup und Auswertung sind methodisch korrekt.
!Kursinhalt
!1. Grundlagen des Experimentierens
*Hypothesen, Varianten und Zielgrößen
*Rolle von Kontroll- und Testgruppen
*Typische Anwendungsfelder im digitalen Umfeld
!2. Versuchsdesign und Umsetzung
*Auswahl von Testobjekten und Zielmetriken
*Stichprobengröße und Laufzeit
*Technische Implementierung über Testing-Tools
!3. Statistische Auswertung
*Signifikanzniveau und Konfidenzintervalle
*Umgang mit Schwankungen
*Vermeidung typischer Auswertungsfehler
!4. Umsetzung von Ergebnissen
*Dokumentation von Tests und Learnings
*Rollout von Gewinnervarianten
*Aufbau einer Testing-Roadmap
!Berufliche Relevanz
*Datenbasierte Verbesserung digitaler Angebote
*Reduzierung von Annahmen in Entscheidungen
*Strukturierter Umgang mit Optimierungsideen